CN113468974A - 一种车流量统计方法、计算机可读存储介质及移动终端 - Google Patents
一种车流量统计方法、计算机可读存储介质及移动终端 Download PDFInfo
- Publication number
- CN113468974A CN113468974A CN202110638342.6A CN202110638342A CN113468974A CN 113468974 A CN113468974 A CN 113468974A CN 202110638342 A CN202110638342 A CN 202110638342A CN 113468974 A CN113468974 A CN 113468974A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- vehicles
- traffic flow
- statistical method
- flow statistical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000007619 statistical method Methods 0.000 title claims abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 40
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000013145 classification model Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 14
- 238000000034 method Methods 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明适用于车辆监控统计领域,提供了一种车流量统计方法、计算机可读存储介质和移动终端,包括:获取通过移动终端拍摄的图像;通过目标检测网络,获取在图像中车辆的检测框;根据连续的多帧图像中车辆的检测框,对连续两帧图像的检测框进行IOU计算,将IOU最大的连续两帧图像的检测框所对应的车辆确认为同一车辆,记为同一个ID;根据每一帧图像中的检测框的中心坐标,对车辆进行追踪并得到车辆的行驶路径;根据车辆的行驶路径统计通过目标地点的车辆的数量。本发明可用于移动设备,更方便快捷。
Description
技术领域
本发明属于车辆监控统计领域,尤其涉及一种车流量统计方法、计算机可读存储介质及移动终端。
背景技术
车流量统计是交通运输的一个较重要的问题,但现实生活中的车流量统计一般需要固定的设备,一些比较偏远的区域若存在车辆统计的相关问题,需要部署相关的设备,并考虑网络传输、设备采购的相关成本;同时,这些地区可能不需要长期的去进行车流量的判断,只是短暂性的需求,比如突然性的原因造成车辆拥挤,需要通过车流量判断以进行相关的限流,这样,存在部署设备成本较高,且存在时效性的问题。
发明内容
本发明的目的在于提供一种车流量统计方法、计算机可读存储介质及移动终端,旨在解决现有车流量统计部署设备存在成本较高,且时效性的问题。
第一方面,本发明提供了一种车流量统计方法,包括:
获取通过移动终端拍摄的图像;
通过目标检测网络,获取在图像中车辆的检测框;
根据连续的多帧图像中车辆的检测框,对连续两帧图像的检测框进行IOU计算,将IOU最大的连续两帧图像的检测框所对应的车辆确认为同一车辆,记为同一个ID;根据每一帧图像中的检测框的中心坐标,对车辆进行追踪并得到车辆的行驶路径;
根据车辆的行驶路径统计通过目标地点的车辆的数量。
进一步地,所述目标检测网络是mobilenet-SSD检测网络。
进一步地,所述对车辆进行追踪并得到车辆的行驶路径之后,所述方法还包括:识别车辆颜色,根据预设的车辆颜色分类模型得到车辆的颜色;和/或根据预设的车辆型号分类模型识别车辆的类型。
进一步地,所述车辆颜色分类模型和车辆型号分类模型通过深度学习训练获得。
进一步地,所述根据车辆的行驶路径统计通过目标地点的车辆的数量具体为:在目标地点设置生成一条直线,当不同方向行驶的车辆通过直线时,将车辆根据不同行驶方向分别计数。
第二方面,本发明提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述的车流量统计方法的步骤。
第三方面,本发明提供了一种移动终端,包括:一个或多个处理器、存储器以及一个或多个计算机程序,所述处理器和所述存储器通过总线连接,其中所述一个或多个计算机程序被存储在所述存储器中,并且被配置成由所述一个或多个处理器执行,所述处理器执行所述计算机程序时实现所述的车流量统计方法的步骤。
本发明通过IOU计算,根据计算结果进行跟踪并得到车辆行驶路径,速度快,效果较好,可用移动终端实现;所述mobilenet-SSD检测网络的每层卷积层的卷积核个数只有现有的mobilenet-SSD检测网络的每层卷积层的卷积核个数的一半;缩短检测时间,使其可运用于移动设备,能随时进行设备移动,节省部署的成本与时间;通过车辆颜色分类模型和车辆型号分类模型,可对车辆进行颜色型号分类。
附图说明
图1是本发明一实施例提供的车流量统计方法的流程图。
图2是本发明一实施例提供的连续两帧图像中车辆的检测框图。
图3为本发明一实施例提供的原始卷积核和修改卷积核对比表。
图4是本发明一实施例提供的车辆路径示意图。
图5是本发明一实施例提供的移动终端的具体结构框图。
具体实施方式
为了使本发明的目的、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
请参阅图1,本发明一实施例提供的车流量统计方法包括以下步骤:需注意的是,若有实质上相同的结果,本发明的车流量统计方法并不以图1所示的流程顺序为限。
S1.获取通过移动终端拍摄的图像;
S2.通过目标检测网络,获取在图像中车辆的检测框;
S3.根据连续的多帧图像中车辆的检测框,对连续两帧图像的检测框进行IOU计算,将IOU最大的连续两帧图像的检测框所对应的车辆确认为同一车辆,记为同一个ID;根据每一帧图像中的检测框的中心坐标,对车辆进行追踪并得到车辆的行驶路径;
S4.根据车辆的行驶路径统计通过目标地点的车辆的数量。
在本发明一实施例中,所述目标检测网络是mobilenet-SSD检测网络。
其中,所述mobilenet-SSD检测网络是由原始的mobilenet-SSD检测网络经过修改得到,修改的mobilenet-SSD检测网络的每层卷积层的卷积核个数只有原始的mobilenet-SSD检测网络的每层卷积层的卷积核个数的一半。具体参阅图3。
如图2所示,在本发明一实施例中,所述对连续两帧图像的检测框进行IOU计算,用计算公式表示为:
在本发明一实施例中,所述对车辆进行追踪并得到车辆的行驶路径之后,所述方法还包括:识别车辆颜色,根据预设的车辆颜色分类模型得到车辆的颜色;和/或根据预设的车辆型号分类模型识别车辆的类型。
在本发明一实施例中,所述车辆颜色分类模型和车辆型号分类模型通过深度学习训练获得。
参阅图4,在本发明一实施例中,所述根据车辆的行驶路径统计通过目标地点的车辆的数量具体为:在目标地点设置生成一条直线,当不同方向行驶的车辆通过直线时,将车辆根据不同行驶方向分别计数。
在本发明一实施例中,所述根据车辆的行驶路径统计通过目标地点的车辆的数量还包括根据车辆型号分类模型,当不同方向行驶的车辆通过直线时,将车辆根据不同行驶方向分别对不同车型分类计数。
本发明一实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如本发明一实施例提供的车流量统计方法的步骤。
图5示出了本发明一实施例提供的移动终端的具体结构框图,一种移动终端100包括:一个或多个处理器101、存储器102、以及一个或多个计算机程序,其中所述处理器101和所述存储器102通过总线连接,所述一个或多个计算机程序被存储在所述存储器102中,并且被配置成由所述一个或多个处理器101执行,所述处理器101执行所述计算机程序时实现如本发明一实施例提供的车流量统计方法的步骤。
本发明一实施例所述的移动终端可以包括手机、平板电脑、个人数字助理或可穿戴设备等中的至少一种。
本发明实施例通过IOU计算,根据计算结果进行跟踪并得到车辆行驶路径,速度快,效果较好,可用移动终端实现;所述mobilenet-SSD检测网络的每层卷积层的卷积核个数只有现有的mobilenet-SSD检测网络的每层卷积层的卷积核个数的一半;缩短检测时间,使其可运用于移动设备,能随时进行设备移动,节省部署的成本与时间;通过车辆颜色分类模型和车辆型号分类模型,可对车辆进行颜色型号分类。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,RandomAccess Memory)、磁盘或光盘等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种车流量统计方法,其特征在于,包括:
获取通过移动终端拍摄的图像;
通过目标检测网络,获取在图像中车辆的检测框;
根据连续的多帧图像中车辆的检测框,对连续两帧图像的检测框进行IOU计算,将IOU最大的连续两帧图像的检测框所对应的车辆确认为同一车辆,记为同一个ID;根据每一帧图像中的检测框的中心坐标,对车辆进行追踪并得到车辆的行驶路径;
根据车辆的行驶路径统计通过目标地点的车辆的数量。
2.如权利要求1所述的车流量统计方法,其特征在于,所述目标检测网络是mobilenet-SSD检测网络。
4.如权利要求1所述的车流量统计方法,其特征在于,所述对车辆进行追踪并得到车辆的行驶路径之后,所述方法还包括:识别车辆颜色,根据预设的车辆颜色分类模型得到车辆的颜色;和/或根据预设的车辆型号分类模型识别车辆的类型。
5.如权利要求4所述的车流量统计方法,其特征在于,所述车辆颜色分类模型和车辆型号分类模型通过深度学习训练获得。
6.如权利要求1所述的车流量统计方法,其特征在于,所述根据车辆的行驶路径统计通过目标地点的车辆的数量具体为:在目标地点设置生成一条直线,当不同方向行驶的车辆通过直线时,将车辆根据不同行驶方向分别计数。
7.如权利要求4所述的车流量统计方法,其特征在于,所述根据车辆的行驶路径统计通过目标地点的车辆的数量还包括根据车辆型号分类模型,当不同方向行驶的车辆通过直线时,将车辆根据不同行驶方向分别对不同车型分类计数。
8.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的车流量统计方法的步骤。
9.一种移动终端,包括:一个或多个处理器、存储器以及一个或多个计算机程序,所述处理器和所述存储器通过总线连接,其中所述一个或多个计算机程序被存储在所述存储器中,并且被配置成由所述一个或多个处理器执行,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的车流量统计方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110638342.6A CN113468974B (zh) | 2021-06-08 | 2021-06-08 | 一种车流量统计方法、计算机可读存储介质及移动终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110638342.6A CN113468974B (zh) | 2021-06-08 | 2021-06-08 | 一种车流量统计方法、计算机可读存储介质及移动终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113468974A true CN113468974A (zh) | 2021-10-01 |
CN113468974B CN113468974B (zh) | 2024-04-19 |
Family
ID=77869304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110638342.6A Active CN113468974B (zh) | 2021-06-08 | 2021-06-08 | 一种车流量统计方法、计算机可读存储介质及移动终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113468974B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018153211A1 (zh) * | 2017-02-22 | 2018-08-30 | 中兴通讯股份有限公司 | 获取交通路况信息的方法及装置、计算机存储介质 |
CN108986465A (zh) * | 2018-07-27 | 2018-12-11 | 深圳大学 | 一种车流量检测的方法、***及终端设备 |
CN109800696A (zh) * | 2019-01-09 | 2019-05-24 | 深圳中兴网信科技有限公司 | 目标车辆的监控方法、***和计算机可读存储介质 |
CN110647852A (zh) * | 2019-09-27 | 2020-01-03 | 集美大学 | 一种车流量统计方法、终端设备及存储介质 |
CN111259868A (zh) * | 2020-03-10 | 2020-06-09 | 北京以萨技术股份有限公司 | 基于卷积神经网络的逆行车辆检测方法、***及介质 |
CN111554105A (zh) * | 2020-05-29 | 2020-08-18 | 浙江科技学院 | 一种复杂交通路口的智能流量识别与统计方法 |
-
2021
- 2021-06-08 CN CN202110638342.6A patent/CN113468974B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018153211A1 (zh) * | 2017-02-22 | 2018-08-30 | 中兴通讯股份有限公司 | 获取交通路况信息的方法及装置、计算机存储介质 |
CN108986465A (zh) * | 2018-07-27 | 2018-12-11 | 深圳大学 | 一种车流量检测的方法、***及终端设备 |
CN109800696A (zh) * | 2019-01-09 | 2019-05-24 | 深圳中兴网信科技有限公司 | 目标车辆的监控方法、***和计算机可读存储介质 |
CN110647852A (zh) * | 2019-09-27 | 2020-01-03 | 集美大学 | 一种车流量统计方法、终端设备及存储介质 |
CN111259868A (zh) * | 2020-03-10 | 2020-06-09 | 北京以萨技术股份有限公司 | 基于卷积神经网络的逆行车辆检测方法、***及介质 |
CN111554105A (zh) * | 2020-05-29 | 2020-08-18 | 浙江科技学院 | 一种复杂交通路口的智能流量识别与统计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113468974B (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111160125A (zh) | 基于铁路监控的铁路异物入侵检测方法 | |
JP2022549541A (ja) | 欠陥検出方法、装置、電子機器及びコンピュータ記憶媒体 | |
JP2018509678A (ja) | ターゲット取得の方法及び装置 | |
CN109960742A (zh) | 局部信息的搜索方法及装置 | |
CN112307978B (zh) | 目标检测方法、装置、电子设备及可读存储介质 | |
CN109977895B (zh) | 一种基于多特征图融合的野生动物视频目标检测方法 | |
CN105631418A (zh) | 一种人数统计的方法和装置 | |
CN110633610A (zh) | 一种基于yolo的学员状态检测算法 | |
CN111091023A (zh) | 一种车辆检测方法、装置及电子设备 | |
CN112712703A (zh) | 车辆视频的处理方法、装置、计算机设备和存储介质 | |
CN110348392A (zh) | 车辆匹配方法及设备 | |
KR100780057B1 (ko) | 동영상 그레쥬얼 샷 변환 장치 및 그 방법 | |
Al Mamun et al. | Efficient lane marking detection using deep learning technique with differential and cross-entropy loss. | |
CN113468974A (zh) | 一种车流量统计方法、计算机可读存储介质及移动终端 | |
CN104809438B (zh) | 一种检测电子眼的方法和设备 | |
CN116958873A (zh) | 行人跟踪方法、装置、电子设备及可读存储介质 | |
CN111292331A (zh) | 图像处理的方法与装置 | |
CN106897735A (zh) | 一种快速移动目标的跟踪方法及装置 | |
CN113837977B (zh) | 对象跟踪方法、多目标跟踪模型训练方法及相关设备 | |
CN114240994B (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
CN115376037A (zh) | 一种基于视频的车站关键区域安全状态监测方法 | |
AU2021240277A1 (en) | Methods and apparatuses for classifying game props and training neural network | |
KR102250077B1 (ko) | 차량번호판 인식률을 모니터링 하는 방법, 장치 및 컴퓨터 판독가능 저장 매체 | |
Tsai et al. | Four Categories Vehicle Detection in Hsuehshan Tunnel via Single Shot Multibox Detector | |
CN111178132B (zh) | 图像识别方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |